基于Canny算法的图像边缘提取研究

针对传统的边缘提出算法中存在去噪声能力不足以及图像边缘连续性较差的问题,笔者提出一种基于canny算法的改进算法,通过在canny算法中加入高斯滤波,使得图像的信噪比与图像的边缘连续性进一步得到加强,最终通过实验仿真,该算法对图像边缘提取具有更好的优越性。     

跟踪系统中图像目标的快速提取技术研究

研究了牵引式跟踪系统中图像目标的快速提取技术,描述了系统的图像目标模型。提出图像目标灰度凝聚度和灰度集合识别度的定义,据此分析了提取图像目标特征图形的可能性。利用直方图对大量图像的统计研究和理论分析,介绍系统的图像目标的提取方法,利用该方法对目标的提取保持其特征图形,对实际图像的处理结果说明该方法是有效的。     

一个快速的人机交互式目标分割系统

由于视觉计算理论的局限、硬件水平的限制，研究全自动动的遥感图象解译方法还不现实。因此开发了一种计算机辅助图象判断读系统。在图象中感兴趣的区域指定一个核，利用有约束的区域增长法来分割目标，并用数学形态学的结合对分割出的目标进行处理，获得了目标的分割图象。该系统能帮助判读员在复杂的航空图片中迅速均勾画出某一目标的轮廓，确定目标的种类，进一步的工作还可以让计算机完成目标的识别，把可能的识别结果按概率的大     

运动点目标的检测识别方法

主要研究点目标检测技术，提出了点目标检测技术的难点。简介４种点目标检测的方法，最后主要叙述采用ＴＤＬＭＳ自适应滤波法来检测识别红外图像的运动点目标。     

基于二次灰度形态学滤波的跳频信号盲检测

短波复杂电磁环境增加了跳频检测难度,现有图像处理类盲检测法大都需要先预设门限进行二值化,但理想门限较为困难且二值图像忽略了跳频的灰度形态特征,因此针对灰度时频图运用形态学滤波,给出了基于二次灰度形态学滤波的检测算法。首先对时频图频率分量进行灰度形态学滤波,滤除大部分尖锐噪声分量和扫频干扰信号;然后将频率分量去均值,降低定频干扰信号的灰度级,同时保留跳频形态特征;最后对时频图时间分量进行改进顶帽变换,提取跳频信号的二值时频图完成检测。仿真表明,算法能有效克服噪声和干扰信号影响,在大于-10dB时提取较为完整的跳频图案,且算法简单、易于工程实现,为短波跳频信号的盲检测提供了一个新的解决方案。     

基于多目标灰狼优化的PHD粒子滤波改进算法

针对传统PHD粒子滤波算法存在目标数目估计精度低且位置估计误差大的缺陷,提出一种结合多目标灰狼优化的PHD(MOGWO-PHD)粒子滤波算法.该算法在预测和更新过程之间加入多目标灰狼优化算法,利用最新的观测信息将预测后的粒子集进行重新优化分布,使粒子移动至目标存在的高似然概率区域,减轻重采样后易出现的粒子贫乏问题;然后使用基于密度聚类(DBSCAN)算法对粒子进行聚类并提取目标状态.仿真结果表明,在不同杂波密度下,MOGWO-PHD算法对目标数目和状态的估计精度均优于传统PHD粒子滤波算法.     

基于深度学习的小目标检测算法研究进展

基于深度学习的小目标检测算法可以有效提高小目标检测性能和检测速率,在图像处理领域得到了广泛应用。首先概述了小目标检测的难点,分别对基于锚框优化、基于网络结构优化、基于特征增强的小目标检测算法进行了分析,总结了各算法的优缺点;然后介绍了用于小目标检测的公共数据集和小目标检测算法的评价指标,对检测算法的性能指标进行了分析;最后对小目标检测算法已经解决的难点进行了总结,并对有待后续研究方向进行了展望。深度学习在小目标检测领域仍有较大的发展空间,在模型通用性、耗时与精度和特定场景的小目标检测等方面有待深入研究。     

基于颜色加权直方图的运动目标模糊提取方法

借助颜色加权模糊直方图提取运动目标,以降低动态变化背景造成的干扰。计算任意位置所对应邻域方差,将其与高斯函数相结合,构造出一种灰度空间位置相关的权函数;统计彩色图像的颜色加权直方图,利用模糊C均值聚类方法对颜色直方图聚类,以所得隶属度与颜色直方图之积作为模糊直方图;运用颜色模糊直方图相交叉的背景减除法,对运动目标进行提取。针对两个视频序列的测试结果表明,所给算法可降低因光照强度变化而产生的背景移动假象对运动目标提取造成的干扰,能从复杂场景视频序列中提取出目标。     

基于δ-LBP的红外目标检测方法

研究红外序列图像中目标检测方法,在对传统方法分析的基础上,提出了以LBP算法为基础的δ-LBP算法.该算法充分利用了LBP算子的平移不变性和旋转不变性,能在复杂的背景中快速检测到目标边缘,进而确定和跟踪目标.与几种传统算法比较,此检测方法在准确性和实时性方面都有所提高.     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

基于分维特征的舰船目标的检测

在分析少引目标雷达回波与海杂波分维特性的基础上,提出了一种基于海面散射分维特性的检测方法,该方法以分数布朗运动作为数学模型,提取出海杂波与目标回波在分形模型拟合误差和分维尺度变化量这两方面的特征,并利用产的固有差异进行检测,实验表明,该方法具有较高的可靠性和准确性。     

基于颜色聚类和直线检测的自适应盲道区域分割算法

为帮助盲人更好地利用盲道,提出一种自适应盲道分割算法.首先利用颜色聚类分析的方法对图像进行初步的区域分割,然后根据盲道的颜色特征从中选择属于盲道的区域.利用拉东变换对图像中的直线边缘进行检测,并结合对盲道的初步分割结果找到盲道的边缘,以实现对盲道区域的精确分割.为了对算法进行验证,在不同时间和不同的天气条件下采集室外的盲道图像对算法进行测试.实验表明,环境变化对该算法影响很小,可以实现对盲道区域的自适应分割.     

两级Zernike矩算子的快速亚像素边缘检测

开发了基于两个不同尺寸模板Zernike矩的新边缘检测算子.首先利用小模板3*3尺寸的像素级Zernike矩算子快速检测出所有可能边缘点;然后利用大模板7*7尺寸的亚像素级Zernike矩算子重新精确定位边缘.检验结果表明,本方法定位精度为亚像素级,且算法运行时间为0.14s.新算子具有运算速度快、定位精度高的优点.     

海空背景下红外弱小目标检测方法

针对在海上搜救中弱小目标难以被发现的情况,提出了一种海空背景下红外弱小目标的检测方法.该方法首先进行背景预测,然后将原图像和背景预测后的图像差分进行目标提取,使用Top-Hat变换对目标提取后的差分图像进行滤波处理以去除残余波浪噪声影响,最后使用自适应阈值检测,检测出弱小目标所在的方位.通过和传统的对单帧图像采取Top-Hat变换滤波做法的比较,可以看出来该方法可以较好的去除海浪的影响,检测出亮度较高的红外运动弱小目标,辅助海上搜救工作的完成.     

印刷电路板光电图像走线检测研究

为了更精确地检测出含有噪声与模糊的印刷电路板(PCB)光电图像中走线的信息,提出了结合随机Hough变换和最小二乘法拟合直线两者优点的直线检测新方法。首先对含有走线的PCB光电图像进行预处理,给出误差阈值;然后用随机Hough变换粗略确定图像中直线的大概位置,剔除干扰点与噪声,保留符合误差阈值要求的直线附近的点集;最后用最小二乘法拟合各个集中的点,得到较精确的直线参量,从而得到各条拟合直线。对由CCD与显微镜获取PCB光电图像的走线进行实际检测,结果表明,本文提出的方法可实现精确的直线检测。     

基于背景预测的红外弱小目标检测新算法

针对复杂背景中弱小目标检测难的问题,提出一种改进的双边滤波背景预测算法．该算法在双边滤波中引入梯度算子,自适应地对背景进行预测,将原始图像与预测图像相减可以抑制背景细节、增强目标信息,同时利用梯度的统计特性减少算法的计算量,提高了弱小目标检测性能．仿真和实验表明,与双边滤波的检测算法相比,该算法能够更加有效地从复杂背景中检测弱小目标．     

基于频域相对样本熵的海面小目标特征检测

海面小目标是海洋雷达探测的重难点对象.针对传统检测器检测概率低的问题,本文提出一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy, FD-RSE).首先,定义白化频谱,实现对主杂波带的抑制,从而增大了海杂波序列的不规则性.其次,通过引入样本熵描述序列的复杂度,提取白化频谱的相对样本熵,并将之作为特征.在检测时,该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性.最后,IPIX实测数据验证表明：与传统检测器相比,FD-RSE检测器能有效改善检测性能.     

分形噪声中的雷达目标检测方法

将高阶分形特征用于雷达信号的分析,提取出用于区分目标和杂波的新分形特征－缝隙特性,分析了海杂波与目标回波的缝隙特征曲线,并结合模糊数学的有关理论进行了海杂波与目标回波的缝隙特征曲线,并结合模糊数学的有关理论进行了海杂波背景下的目标检测。仿真结果表明：利用缝隙特征进行了雷达目标的检测,可以取得较分维值检测更高的准确率。     

面向工业检测的图像快速去直线运动模糊方法

在基于机器视觉的工业检测中,由于受到传送带速度变化或曝光不足的影响,得到的图像有时会产生运动模糊,影响检测效果.为去除工业检测中的图像运动模糊,提出了基于R-L引导滤波的快速去直线运动模糊方法.首先对图像的模糊参数进行评估,使用图像的频谱图积分评估图像的模糊方向,使用微分自相关方法得到模糊图像尺寸;然后通过提出的R-L引导滤波方法快速去除运动模糊并抑制振铃效应,得到清晰图像.通过对工件图像去运动模糊的仿真,证明了模糊核估计的准确性;与TPKE和HQ比较,提出的去模糊方法在对噪声的鲁棒性和抑制振铃的效果更好.通过对不同速度、不同工件下实拍图像的去运动模糊实验,以及客观评价指标、去模糊前后尺寸测量的差异和运行速度证明了该方法在工业检测中的优势.实验结果表明:提出方法的R_(PSNR)和R_(SIMM)优于对比方法,在抑制振铃的同时保持了边缘的清晰;同时,提出方法对尺寸的测量影响也更小,在小尺寸的工件上具有优势,最大误差为0.31像素.